命令驱动几何引擎与自动微分的融合架构

命令驱动的几何建模正在经历一场架构层面的变革。传统参数化 CAD 依赖符号化的约束求解器来处理几何关系 —— 相切、共线、平行等约束被转化为方程组，通过数值方法或符号代数求解。这种方案在确定性约束场景下表现稳定，但一旦涉及优化目标、多目标权衡或不确定参数，符号求解的刚性边界便显露无遗。

Geomatic 提出的命令驱动架构提供了一个新视角：将几何操作视为可微计算图中的节点，每个命令既是几何变换的执行单元，也是梯度传播的计算单元。这种设计使得约束求解不再局限于符号代数，而是可以借助自动微分（autodiff）的梯度信号进行迭代优化。

命令即计算图节点

在命令驱动的几何引擎中，每个操作 —— 无论是平移、旋转、布尔运算还是参数化曲线生成 —— 都被抽象为一个命令对象。命令对象维护输入参数、输出几何以及与其他命令的依赖关系。这种结构天然构成有向无环图（DAG），其中节点是命令，边是几何数据的流动路径。

关键设计在于将命令的执行逻辑实现为可微函数。当命令接收参数变更时，不仅重新计算输出几何，还通过反向传播计算输出对输入参数的偏导数。这意味着整个几何建模过程可以被表示为一个可微函数，从设计参数映射到最终几何形态。

这种表示方式的优势在于：几何约束可以被重新理解为优化目标。例如，"两点重合" 约束可以转化为最小化两点间距离的目标函数，"相切" 约束可以转化为最小化曲线间角度偏差的目标函数。约束求解于是转化为多目标优化问题，可通过梯度下降或更高级的优化算法求解。

自动微分在几何约束中的应用

传统 CAD 系统的约束求解器通常采用基于自由度的方法：识别几何元素的自由度，建立约束方程组，通过高斯消元或牛顿迭代求解。这种方法在过约束或欠约束情况下需要复杂的诊断逻辑，且难以处理软约束或优先级约束。

自动微分提供了替代路径。通过将几何约束编码为可微损失函数，系统可以在参数空间中执行梯度下降，逐步收敛到满足所有约束的解。CADMorph 研究中提出的 Plan-Generate-Verify 循环为此提供了理论框架：规划阶段生成参数更新策略，生成阶段执行命令序列，验证阶段评估约束满足度，循环迭代直至收敛。

这种架构的参数配置需要关注几个关键阈值：

• 梯度裁剪阈值：几何参数的尺度差异（角度与长度混用）容易导致梯度爆炸，建议设置自适应裁剪，如基于参数量纲的相对阈值（1e-4 到 1e-2 范围）
• 收敛容差：硬约束（如重合）建议容差 1e-6，软约束（如近似对称）可放宽至 1e-3
• 学习率调度：初始阶段使用较大学习率（0.01-0.1）快速接近可行域，后期衰减至（1e-4-1e-5）精细调整

响应式传播与广播机制

命令驱动架构的另一核心特性是响应式更新。当某个参数变更时，系统需要识别所有依赖该参数的命令并重新执行。在可微几何引擎中，这一过程与梯度传播深度耦合：参数变更触发前向计算更新几何，同时反向传播计算梯度信号。

广播机制扩展了这一能力。对于包含重复元素的设计（如阵列、镜像、模式复制），单个命令可以作用于多个几何实例，且每个实例的梯度信号独立传播。这种设计使得参数化优化可以跨实例进行，例如同时优化阵列中所有元素的尺寸以满足全局装配约束。

实现响应式传播需要维护命令依赖图的拓扑序。建议采用增量拓扑排序算法，在命令增删改时局部更新排序结果，避免全图重排的开销。对于大型装配体（命令节点数 > 10^4），可考虑分层拓扑排序，将命令按功能模块分组，组内维护独立拓扑序。

工程实践中的监控要点

将自动微分引入几何约束求解带来了新的运维维度。以下监控指标对于生产环境至关重要：

梯度健康度指标：

• 梯度范数分布：监控各参数梯度范数的统计分布，异常大的梯度可能指示数值不稳定或约束冲突
• 梯度稀疏度：几何约束通常具有局部性，理想情况下梯度应呈现稀疏模式，密集梯度可能暗示约束耦合过强

收敛行为指标：

• 约束违反度趋势：记录每次迭代的总约束违反量，应呈现单调递减或震荡收敛模式
• 参数更新幅度：监控参数变化的 L2 范数，用于检测震荡或停滞

计算性能指标：

• 反向传播耗时占比：在复杂几何（NURBS 曲面、布尔运算）中，反向传播可能占据总耗时的 60% 以上
• 内存峰值：可微计算图需要缓存中间结果用于反向传播，大型模型可能导致内存瓶颈

局限与权衡

命令驱动自动微分架构并非万能。符号约束求解器在确定性约束场景下仍具有优势：求解速度快、解的精度高、可以检测过约束 / 欠约束并提供诊断信息。自动微分方案更适合以下场景：

• 软约束或优先级约束占主导的设计优化
• 需要与外部仿真（FEA、CFD）耦合的多物理场优化
• 涉及不确定参数或噪声数据的鲁棒设计

混合架构可能是更务实的选择：使用符号求解器处理硬约束（如装配配合、几何边界），将自动微分优化限制在特定参数子空间或特定设计阶段。这种分层策略既保留了符号求解的可靠性，又获得了梯度优化的灵活性。

资料来源

• Tiny Volt - Geomatic 项目介绍 (https://tinyvolt.com)
• CADMorph: Geometry-Driven Parametric CAD Editing via a Plan-Generate-Verify Loop, Microsoft Research (https://www.microsoft.com/en-us/research/publication/cadmorph-geometry-driven-parametric-cad-editing-via-a-plan-generate-verify-loop/)

geometry-systems